Application of functional genomics to the chimeric mouse model of HCV infection: optimization of microarray protocols and genomics analysis.
Notice bibliographique
Résumé
BACKGROUND: Many model systems of human viral disease involve human-mouse chimeric tissue. One such system is the recently developed SCID-beige/Alb-uPA mouse model of hepatitis C virus (HCV) infection which involves a human-mouse chimeric liver. The use of functional genomics to study HCV infection in these chimeric tissues is complicated by the potential cross-hybridization of mouse mRNA on human oligonucleotide microarrays. To identify genes affected by mouse liver mRNA hybridization, mRNA from identical human liver samples labeled with either Cy3 or Cy5 was compared in the presence and absence of known amounts of mouse liver mRNA labeled in only one dye. RESULTS: The results indicate that hybridization of mouse mRNA to the corresponding human gene probe on Agilent Human 22 K oligonucleotide microarray does occur. The number of genes affected by such cross-hybridization was subsequently reduced to approximately 300 genes both by increasing the hybridization temperature and using liver samples which contain at least 80% human tissue. In addition, Real Time quantitative RT-PCR using human specific probes was shown to be a valid method to verify the expression level in human cells of known cross-hybridizing genes. CONCLUSION: The identification of genes affected by cross-hybridization of mouse liver RNA on human oligonucleotide microarrays makes it feasible to use functional genomics approaches to study the chimeric SCID-beige/Alb-uPA mouse model of HCV infection. This approach used to study cross-species hybridization on oligonucleotide microarrays can be adapted to other chimeric systems of viral disease to facilitate selective analysis of human gene expression.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».